基于OFDM+64QAM的MATLAB通信链路仿真：LDPC编码、Schmidl-Cox同步与LS信道估计

OFDM 加 64QAM 调制再叠加 LDPC 编码、Schmidl-Cox 同步、LS 信道估计这套仿真链路在通信方向的课程设计和算法验证里出现频率很高。本质上它不是为了做一个能商用的发射机而是把 OFDM 物理层里最关键的几个模块按真实信号处理流程串起来用 MATLAB 跑出误码率、星座图、频偏估计误差这些指标。这篇文章要解决的实际问题是你在拿到“基于OFDM64QAM的通信链路matlab性能仿真包含LDPC、Schmidl-Cox频偏估计、加扰解扰、定时同步和LS信道估计”这个题目后应该怎么设计模块顺序、怎么设置参数、怎么判断仿真结果对不对以及遇到误码率下不去、同步失败、信道估计不准时优先查哪里。适合正在做课程设计、毕业设计或者刚开始接触 OFDM 物理层仿真的读者。最值得关注的点不是单个模块能不能跑而是整条链路从发送到接收能不能在同一个采样点上对齐以及指标能不能随信噪比变化而呈现合理趋势。1. 先搞清楚这套 OFDM 仿真链路的真正价值1.1 它到底在测什么很多人拿到这个题目之后第一反应是先把 OFDM、64QAM、LDPC 三个关键词分别搜一遍然后发现每个模块都能找到独立 Demo但拼在一起就出问题。原因很简单OFDM 的性能不取决于某个单点模块的好坏而是取决于整个链路中同步、估计、解映射、译码是否形成闭环。这个题目真正想测的东西有三层。第一层是调制解调性能。64QAM 每个符号携带 6 个比特星座点密度高对信道估计和相位噪声的容忍度比 QPSK 低很多。仿真里如果看到 64QAM 在 20dB 信噪比下误码率还很高多半不是 64QAM 本身的问题而是前面的同步或者信道估计把信号破坏了。第二层是同步能力。OFDM 对定时偏差和载波频偏非常敏感。定时偏差会导致符号间干扰频偏会破坏子载波正交性。Schmidl-Cox 算法的价值就在于利用一个具有重复结构的前导序列同时完成定时同步和粗频偏估计。第三层是信道补偿能力。信号经过多径信道后每个子载波上的幅度和相位都会发生变化。LS 信道估计根据已知导频符号反推信道响应再对数据子载波做均衡。如果导频位置设计不合理或者插值方式不合适均衡效果就会很差。所以这套仿真链路的本质是一个完整的物理层收发模型不是单一算法的 Demo。你能从里面看到比特流怎么变成 OFDM 符号怎么经过信道又怎么在接收端被恢复回来。1.2 性能指标应该看什么仿真做完之后不能只说“链路可以跑通”。我们需要用几个明确指标来判断链路质量。误码率 BER 是最直接的指标。横轴是 SNR纵轴是 BER曲线越贴近理论值或者越随 SNR 增大而下降说明链路越健康。64QAM 在 AWGN 信道下理论 BER 大约到 20dB 之后才会明显下降。如果曲线一直很高说明有系统性问题。EVM 误差向量幅度是衡量星座点收敛情况的指标。接收端解映射前把所有均衡后的符号画在星座图上观察云团半径。云团越小说明信道估计和均衡效果越好。我做 64QAM 仿真时一般会在 20dB 到 25dB 之间观察星座图。如果这个区间仍然出现大面积星座点混叠基本可以断定链路里有相位偏差或者定时偏差没有消除干净。第三类指标是同步模块的中间结果包括定时度量曲线峰值是否明显、频偏估计值与预设频偏的误差大小。很多人只算 BER不看中间过程这样做出的仿真很难定位问题。建议把每个关键节点的中间结果单独输出例如定时同步后的时域波形、频偏补偿后的星座图、信道估计后的导频幅相响应。这些结果才是调试时最有用的信息。2. 建链路之前的准备环境、参数与数据流设计2.1 MATLAB 环境怎么准备这个题目不挑 MATLAB 版本我一般建议用 2018a 以上。原因是 OFDM、LDPC、调制解调相关函数在 2016b 之后已经逐步标准化新版本里接口更稳定文档也更完整。如果你要用 MATLAB 自带的 LDPC 编解码功能需要注意版本差异。老版本用comm.LDPCEncoder和comm.LDPCDecoder新版本推荐ldpcEncoderConfig配合ldpcEncode使用。两种方式都能跑但参数结构不太一样。如果你拿到的是别人的参考代码先确认他的源码用了哪个接口再匹配自己的 MATLAB 版本否则第一行代码就会报错。此外建议安装 Communications Toolbox 和 Signal Processing Toolbox。虽然 OFDM 调制、64QAM 映射、Schmidl-Cox 相关计算理论上都可以手写但通信工具箱提供了大量标准函数和对象可以减少编码量也方便和文档中的示例对照。我这里不会强调某个特定版本因为实际实验室里可能装的是 2020b、2022a 或者 2024a。核心思路是先确认块接口再写代码。如果遇到函数不存在打开doc查一下当前版本的推荐替代函数。2.2 仿真参数的初始设定OFDM 链路性能仿真必须先确定一套基础参数。参数不合理后面所有结果都会失真。下面这组参数是我在类似仿真里常用的初始配置也是比较容易跑出合理曲线的组合。参数推荐取值说明FFT 点数64OFDM 符号的子载波总数使用子载波数52其中包含数据子载波和导频子载波数据子载波48实际承载数据导频子载波4用于信道估计和相位跟踪CP 长度16循环前缀抵抗多径时延调制方式64QAM每个符号 6 bitLDPC 码率1/2 或 2/3看题目要求前导符号数1用于 Schmidl-Cox 同步信道模型AWGN / 多径衰落先用 AWGN 验证链路SNR 范围0dB - 30dB间隔 2dB 或 5dBFFT 点数选 64 不是为了复杂度而是为了让每帧数据量合适蒙特卡洛循环能够在合理时间内跑完。如果 FFT 点数选到 1024内存不一定爆但每次仿真循环的时间会明显增加不利于调试。CP 长度取 16 对应 64 点 FFT 的 1/4。这个比例在仿真里比较常见既能抵抗一定多径时延又不会浪费太多频谱效率。注意这里给的是通用初始配置不一定是题目指定值。如果你是在做课程设计老师可能已经给了具体参数那就以题目为准我这里的配置可以当作参考基准。2.3 收发数据流怎么组织把参数定下来之后要把整个数据流在纸上画出来。不要直接跳进 MATLAB 写代码。否则很容易出现变量维度对不上、模块顺序颠倒的问题。完整的发送链路一般是生成二进制比特流加扰LDPC 编码64QAM 调制映射串并转换分配到数据子载波插入导频IFFT 变换到时域加循环前缀组帧插入 Schmidl-Cox 前导符号串行发送接收链路对应为接收信号Schmidl-Cox 定时同步和频偏估计频偏补偿去循环前缀串并转换FFT 变换到频域提取导频做 LS 信道估计信道均衡64QAM 解映射LDPC 译码解扰对比恢复比特与发送比特统计 BER这个流程的关键点在于发送端和接收端的模块顺序必须严格对称。加扰对应解扰编码对应译码调制映射对应解映射IFFT 对应 FFT。任何一处顺序不一致数据就会错位。我一般在写正式代码前会先用一个简化流程图或注释模板把每个模块的输入输出变量名定义清楚。比如前面模块输出的是txBits到达接收端后先命名为rxBits经过这么多模块后得到rxBitsDecoded。变量名统一调试时就不会在各个模块之间迷路。3. 各核心模块的落地点与参数选择3.1 LDPC 编码与解码LDPC 在这个链路里的作用是提供前向纠错能力。64QAM 本身没有纠错能力信道噪声大了之后比特错误率会很高。加入 LDPC 之后只要信道条件没有恶化到超出纠错能力误码率就能大幅下降。实现上最简单的方式是使用 MATLAB 通信工具箱的标准函数。以新接口为例% LDPC 编码配置 cfgLDPC ldpcEncoderConfig(ldpcQuasiCyclicMatrix(64800, 1/2)); encBits ldpcEncode(dataBits, cfgLDPC);解码端使用对应的ldpcDecode函数并传入解调后的对数似然比 LLR。这里有一个很容易踩的坑LDPC 编码之后码字长度可能和 OFDM 符号的数据承载能力不匹配。比如一帧 OFDM 符号的数据子载波数是 4864QAM 下每个符号携带 288 个比特而 LDPC 码字长度是 32400 或 64800两者完全不对等。这时候需要做速率匹配或者填充让一帧数据正好填满整数个 OFDM 符号。生产级实现里会专门做速率匹配和比特选择但课程仿真里常见的做法是把总比特数裁剪到 OFDM 能承载的整数倍范围。比如循环里每次生成一个 OFDM 帧需要的比特数经过 LDPC 编码后通过删余或打孔保证总长度匹配。这里不追求标准 5G NR 的完善流程但一定要保证发送端和接收端对码字长度有相同约定。解码端的输入是 LLR不是硬判决比特。很多新手直接把 QAM 解映射输出硬判决比特再送给 LDPC 解码效果会差很多。正确做法是把接收符号除以噪声方差得到软信息。这也是仿真结果和理论差异较大的常见原因之一。3.2 64QAM 调制映射64QAM 调制在 MATLAB 里写起来非常直接modOrder 64; constellation qammod(0:modOrder-1, modOrder, gray, UnitAveragePower, true); txSym qammod(bits, modOrder, gray, InputType, bit, UnitAveragePower, true);这里建议开启 Gray 映射和单位平均功率。Gray 映射的意义是让相邻星座点只差一个比特当噪声把符号推到相邻星座点时只造成一个比特错误降低误比特率。单位平均功率的意义是让星座点的平均功率归一化到 1。如果不归一化后续做 IFFT、加信道、计算 SNR 时都要额外换算功率非常容易出现信噪比算错的问题。解映射时如果后面接的是 LDPC 译码建议用软判决输出rxLLR qamdemod(rxSym, modOrder, gray, UnitAveragePower, true, OutputType, llr, NoiseVariance, noiseVar);这里NoiseVariance需要输入估计出的噪声方差。噪声方差估计不准确会导致 LLR 幅度不匹配进而影响 LDPC 译码效果。在实际仿真中可以先直接算理论噪声方差也可以从接收符号中估计后者更接近真实接收机。64QAM 的解调性能高度依赖均衡效果。如果前面的 LS 信道估计已经把频域信道补偿得比较准星座点会收敛到标准位置附近LLR 计算才有意义。如果均衡后星座还有明显旋转或缩放即使 LLR 算出来也意义不大。所以我在调试时总是先看均衡后的星座图再判断解映射和译码是否正常。3.3 Schmidl-Cox 定时同步与频偏估计Schmidl-Cox 算法利用前导序列的重复结构完成定时同步和频偏估计。它的核心思想是发送一个前后两半完全相同的前导符号接收端通过滑动窗口计算延迟相关值当窗口对准前导边界时相关值会出现峰值。定时度量公式为P(d) sum(r(dm) * conj(r(dmN/2))) m0..N/2-1 R(d) sum(|r(dmN/2)|^2) M(d) |P(d)|^2 / R(d)^2其中 N 是 FFT 点数。M(d)的最大值位置就是定时点。得到定时点后频偏估计可以通过峰值处P(d)的相位来计算freqOffsetEst -angle(P_peak) / pi但要注意Schmidl-Cox 能估计的频偏范围是有限制的。对于 64 点 FFT它的整数倍频偏估计范围约为正负一个子载波间隔。如果实际频偏超过这个范围还需要额外处理。更常见的做法是先做粗频偏估计再用后导符号或循环前缀做细频偏估计。课程设计里如果只要求 Schmidl-Cox通常默认频偏在估计范围内。另一个关键是前导符号的生成。前导符号必须是频域共轭对称或时域重复结构。最简单的实现是在频域只在偶数子载波上放置数据奇数子载波置零再做 IFFT就能得到时域前后重复的半符号。这个细节很容易出错很多人直接在时域重复整个符号结果相关窗长度对不齐。我给的建议是先手动构造一个长度为 N 的频域向量只在索引 2、4、6 等偶数位置放已知序列IFFT 后把结果作为 Schmidl-Cox 前导。接收端做延迟相关的延迟量为 N/2 个采样点。3.4 LS 信道估计LS 信道估计的基本思路是在导频位置用最小二乘准则估计信道响应。已知发送导频符号Xp接收导频符号Yp信道估计值为H_ls Yp ./ Xp得到导频位置的信道响应后再通过插值得到数据子载波位置的信道响应。MATLAB 里可以用interp1做线性插值也可以用pilotInterpolate或者手写 DFT 插值。在多径信道下LS 估计会受到噪声影响导频位置的估计值本身就有噪声。如果导频数量足够可以在频域做平滑滤波例如用移动平均或者最小均方误差估计。但课程仿真里 LS 加线性插值已经足够看出信道估计在链路中的作用。关键参数有四个导频间隔、导频符号值、插值方式、导频位置。导频间隔不能太大。根据奈奎斯特采样定理导频在频域的间隔要满足导频间隔 1 / (最大多径时延 * 子载波间隔)例如最大多径时延是 5 个采样点子载波间隔按 64 点 FFT 换算导频间隔就不能太大否则频域信道变化太快插值会失真。我在仿真里会在 64 个子载波中放 4 到 8 个导频均匀分布保证插值误差在可接受范围内。导频符号值一般取已知的 QPSK 符号幅度为 1便于归一化。这样 LS 估计时做除法比较简单也不影响信道估计结果。3.5 加扰与解扰加扰模块在通信链路里的作用是把数据比特随机化避免连续的 0 或 1 造成频谱尖峰和定时恢复困难。加扰器本质上是一个伪随机序列生成器发送端把原始比特和伪随机序列做异或接收端用同一个序列再做一次异或就能还原数据。MATLAB 里可以用comm.PNSequence生成伪随机序列pnSeq comm.PNSequence(Polynomial, x^7 x^4 1, SamplesPerFrame, numBits, InitialConditions, ones(1, 7)); scrambleSeq pnSeq(); scrambledBits xor(dataBits, scrambleSeq);接收端生成相同的伪随机序列再做一次异或即可完成解扰。这里有几个容易忽略的地方。第一发送端和接收端的伪随机序列初始状态必须一致。如果初始条件不一致解扰后完全错误。建议把伪随机序列生成器当作一个可以重用的模块函数输入参数包含初始状态这样发送和接收都调用同一个函数。第二加扰应该在 LDPC 编码之前解扰应该在 LDPC 译码之后。这个顺序不能颠倒。如果先编码再加扰接收端解扰后还要译码逻辑上会比较别扭而且错误比特会在译码前被伪随机化不利于 LDPC 纠错。第三伪随机序列的长度要和数据长度匹配。如果数据长度不是生成器输出帧长度的整数倍需要截断或分块处理。我在课程仿真里一般直接让SamplesPerFrame等于数据比特数一次生成一次异或。加扰模块虽然不是链路的核心难点但它会直接影响整个流程的调试。很多同学经常遇到发送和接收比特对不上最后排查下来不是调制问题而是加扰种子不一致。4. 仿真链路跑起来从单帧到蒙特卡洛4.1 先跑通单帧链路拿到题目之后我强烈建议先把所有模块串起来跑一帧而不是一上来就写蒙特卡洛循环。单帧链路跑通后你可以方便地检查每个中间节点的变量维度和数值范围。单帧调试时可以先设置信噪比为一个较高值比如 25dB并且不使用多径信道直接用 AWGN 信道。这样可以排除信道估计带来的干扰先验证调制解调、LDPC、加扰和同步模块是否正常。调试顺序我一般是这样发送端先不经过信道直接把发送的时域 OFDM 信号接到接收端不做同步、不做信道估计只验证数据映射和解调是否一致。如果 BER 为 0说明调制解调链路正常。加入 AWGN 信道加入频偏再启动 Schmidl-Cox 同步和频偏补偿。观察频偏估计值和预设值是否接近。加入多径信道和导频开启 LS 信道估计和均衡观察均衡前后星座图变化。先在 64QAM 星座图上确认符号收敛情况。最后把 LDPC 解码和加扰解扰加入观察最终 BER 是否在可接受范围内。这个过程每一步都会暴露不同问题。如果直接跳到最终结果很多问题会被混合在一起难以定位。4.2 蒙特卡洛循环的正确写法单帧跑通后再写蒙特卡洛循环。蒙特卡洛的目的是统计平均性能所以每次循环都要随机生成数据、随机噪声、随机信道。蒙特卡洛循环的骨架大致如下snrList 0:2:30; berAll zeros(size(snrList)); for snrIdx 1:length(snrList) snr snrList(snrIdx); errBits 0; totalBits 0; for frameIdx 1:numFrames % 生成随机比特 % 加扰、LDPC编码、64QAM调制、OFDM调制 % 添加频偏和信道 % Schmidl-Cox同步、频偏补偿、FFT、LS均衡 % 64QAM解映射、LDPC译码、解扰 % 统计错误比特数 end berAll(snrIdx) errBits / totalBits; end这里有一个关键点应该在每帧仿真中累计错误比特数而不是每帧算一个 BER 再平均。原因是最小错误数太少时单帧 BER 为 0直接平均会得到 0失真较大。累计错误比特数除以总比特数更准确。每个 SNR 点跑多少帧取决于误码率目标。如果目标在 10^-3 量级至少需要累计 10 万比特以上才有统计意义。如果每帧 288 个比特10 万比特就是 350 帧左右。为了加速可以先每个 SNR 点跑 100 帧看趋势再对低误码率的点增加帧数。另外不要把前面的同步和信道估计过程全部重复太多。如果单帧耗时已经很长比如超过 1 秒需要检查是否在循环里反复创建对象。MATLAB 的通信系统对象适合在循环外创建循环内调用这样可以大幅减少重复初始化开销。4.3 怎么看 BER / EVM / 星座图结果当蒙特卡洛跑完之后会用semilogy绘制 BER-SNR 曲线。在 AWGN 信道下64QAM 的理论 BER 曲线可以作为参考。如果仿真曲线比理论曲线差 5dB 以上通常说明链路里存在某处处理损耗。这里有一个基本的判断规律BER 曲线应该随着 SNR 增大而明显下降。如果曲线出现“地板效应”也就是 SNR 提高但 BER 降到某个值后不再下降一般原因包括频偏估计残余误差过大定时同步偏差导致子载波间干扰信道估计插值误差过大导频符号位置和插值方式不匹配星座图是判断问题来源最直观的工具。在接收端均衡后用scatterplot画出所有数据符号。64QAM 应该有 64 个清晰聚类。如果聚类围绕中心有明显旋转说明频偏未完全补偿。如果聚类向外扩张呈放射状可能是定时偏差或 ICI。如果分类重叠严重可能是 SNR 太低或均衡不充分。EVM 可以量化星座图的质量。EVM 越低星座点越集中。对 64QAM 来说FEC 解码前 EVM 通常需要低于一定门限才能保证低误码。具体门限取决于 LDPC 码率课程仿真里可以先不追求精确门限只看 EVM 随 SNR 的变化趋势是否合理。5. 常见问题排查清单5.1 误码率居高不下误码率完全下不去时先从最简单的地方查起。最容易犯的错误是调制解调端比特顺序不一致。比如qammod使用InputType是 bit 时输入比特流的分组顺序一定和qamdemod输出比特顺序保持一致。如果不一致发送的码字和接收解调结果会出现系统性错位但 BER 又不会完全等于 0.5看起来像信道噪声导致。排查方法是先用无信道无噪声的单帧测试。如果这种情况下 BER 不为 0问题一定在调制解调或编解码映射逻辑与同步和信道估计无关。另一个常见原因是 LDPC 解码输入 LLR 的符号或幅度不正确。有些 LDPC 译码器内部约定输入正值表示比特 1负值表示比特 0。如果反了译码性能会急剧恶化。可以在 AWGN 信道下用较简单的情况验证 LLR 方向。5.2 频偏估计和定时偏差互相影响Schmidl-Cox 定时同步和频偏估计是耦合在一起的。如果定时点偏差了几个采样点频偏估计值也会偏移。如果定时度量平台比较宽峰值位置不稳建议把定时度量函数画出来检查。频偏估计不准时优先检查前导符号的重复结构是否严格成立。如果前导符号经过 IFFT 后后半段和前半段不完全重复相关峰值就会模糊。另一个容易忽略的是循环前缀的存在。在做 Schmidl-Cox 相关时应该使用去除循环前缀之前的原始时域接收信号而不是已经去掉 CP 的信号。如果仿真中同时加入整数倍频偏和小数倍频偏Schmidl-Cox 可能只能估计出小数倍频偏和较小的整数倍频偏。对于更大的整数倍频偏还需要额外的整数倍频偏估计步骤。课程仿真中如果只需要 Schmidl-Cox通常把频偏设在一个子载波间隔内这样就避开了整数倍频偏的额外处理。5.3 LS 信道估计误差大LS 信道估计误差大的常见原因有三个。第一导频功率和导频位置不匹配。如果导频符号的幅度不是 1LS 估计结果会缩放。尤其在使用 64QAM 时数据符号的单位平均功率和导频符号值要保持一致否则均衡后的振幅会偏离标准星座点。第二插值方式太粗糙。多径信道在频域的起伏可能不是线性的线性插值会带来额外误差。如果导频间隔较大可以考虑使用 DFT 插值或同步插值效果会好一些。第三定时偏差没有被消除导致频域信道出现相位旋转。定时偏差会让每个子载波产生线性相位偏移LS 估计结果虽然能跟上导频位置但插值到数据位置时误差会放大。所以 LS 信道估计的前提是同步已经基本正确。5.4 运行速度太慢怎么定位瓶颈仿真跑得慢尤其是在蒙特卡洛循环中首先要定位瓶颈在哪个模块。我一般会用profile on和profile viewer查看热点函数。速度慢的原因通常是在循环内创建通信系统对象对大量数据重复执行fft和ifft时没有批量处理用了for循环逐符号处理而不是矩阵化处理LDPC 解码迭代次数设得过大改进时优先做三件事把对象创建移到循环外。把逐帧循环改成批量数据处理即一次处理多个 OFDM 符号利用 MATLAB 矩阵运算。LDPC 解码迭代次数不要设置过大比如默认 50 次可以先降低到 10 次看趋势最终再保留合理值。如果只是验证性能趋势可以降低每个 SNR 点的帧数先跑 50 帧曲线形状基本定型后再增加帧数。6. 后续可以怎么扩展6.1 替换调制和编码方案链路跑通之后想加深理解很简单把 64QAM 改成 16QAM 或 QPSK把 LDPC 码率从 1/2 改成 2/3 或 3/4对比不同方案的 BER 曲线。这样不仅能看到频谱效率提升带来的误码率代价还能验证链路各模块是否对不同调制阶数都鲁棒。如果你把调制阶数从 64 改成 256很可能发现同步和信道估计的误差影响更大。这正说明 64QAM 在实际系统中是吞吐和鲁棒性之间的折中。6.2 换更真实信道模型AWGN 信道验证通过后可以把信道换成多径衰落信道。MATLAB 里可以直接使用comm.RayleighChannel或手动构造多径抽头延迟线。多径信道下要重新检查 CP 长度是否足够、导频间隔是否合理、LS 信道估计的插值是否还能跟上信道变化。换成多径信道后LS 估计的插值误差会成为主要矛盾。此时可以比较线性插值和 DFT 插值的差异观察信道估计误差对 BER 的影响。这个扩展对理解 OFDM 系统的信道估计很有帮助。6.3 做成参数化脚本如果你之后还要做其他调制方式或别的 FFT 点数不要每次改一行参数就到处找关联代码。更好的做法是把主要配置集中放一个结构体里params.fftSize 64; params.cpLength 16; params.modOrder 64; params.ldpcRate 1/2; params.numDataSubcarriers 48; params.numPilotSubcarriers 4; params.snrList 0:2:30;后面所有模块都从这个结构体读取参数。改参数时只改一处避免多处不一致。这个习惯在课程设计和后续工作中都很受用。6.4 接入硬件或导出行级报告如果实验条件允许可以尝试把 MATLAB 仿真链路导出成 C 代码或者用硬件描述语言做定点化验证。但那是工作量更大的工程课程设计阶段不必强求。更实际的做法是导出中间结果比如保存星座图截图、定时度量曲线、信道估计幅频响应图写实验报告时直接用这些图说明链路工作状态。从我的经验看这个题目真正难的不是某个模块而是把同步、信道估计、调制解调联合起来之后还能稳定工作。你现在把单帧调试、中间结果观察、参数扫描这三步做扎实后面不管换成哪套参数或者加什么算法都能很快上手。踩过几次之后我发现很多问题不是工具能力不够而是前置环境和输入材料没有处理干净。放在 OFDM 仿真里也一样先确认一帧数据从发送到接收每一步的维度、功率和顺序是对的再去纠结 SNR 和 BER 曲线。链路通了误码率自然会给出合理的答案。